传感器被称为物联网的末梢神经，它牵动着物联网和人工智能的发展。智能社会持续不断的发展，传感器的需求量也随之增大。“到2030年时，全球应用的传感器数量将从2013年的35亿个突飞猛进到超过100万亿个，人与自然环境将通过传感器紧密相连。”这是《第三次工业革命》和《零边际成本社会》作者杰里米·里夫金的大胆猜想。

  其实“传感器”、“人工智能”、“物联网”，早已紧密联系形成一个强有力的链条。在这个链条里，环环相扣，互相影响，互相成就。具体而言，各种设备的传感器会产生大量数据，人工智能AI需要依靠这些大数据用于机器学习和神经网络的训练，AI又可以去指导机器去更精确地执行任务，机器的行动又会触发传感器不断收集大量数据，这就是一个完整有效的循环。

  那么，未来的传感器在人工智能的影响下呈现出怎样的高端画面？我们现在也没有定论。但是，智能化和更多数据的采集一定是最基本的趋势。

  因为，作为外界环境交互的重要手段和感知信息的大多数来自——传感器采集数据的大幅度增长，就要求未来的传感器能够朝着智能传感器的方向发展。也就是说，传感器不仅仅能够采集和产生数据，也能够某些特定的程度上在本地对数据来进行初步的处理，这也就是所谓的边缘计算。边缘计算融入传感器，如同给传感器加上“初脑”，插上智能的翅膀。

  典型的AI应用，以其巨大的数据流量和高强度的计算需求，又给最先进的云计算平台带来了新的挑战。作为一种减少云端资源消耗的有效方法，边缘计算技术受到广泛关注。

  其实边缘计算，早在2003年就被提出。为何近几年成为行业内追捧的“宠儿”？从下面的行业发布内容可以窥探一二。

  在2018年，《福布斯》将边缘计算列为2018年数字化转型的最大趋势之一，边缘计算被看好。同年，在云计算领域拥有权威地位的OpenStack基金会发布了一份有关“边缘计算-跨越传统数据中心”的中文版白皮书。

  白皮书称，物联网的爆发式发展和即将推出的更具沉浸感、互动性的应用趋势，推动了数据存储与计算的重心远离中央数据中心，并走向边缘。无人驾驶、智能工厂、智慧城市及IoT的应用，是传统的数据中心无法应对的，这将在未来四到五年内，从根本上改变计算、网络的拓扑结构。

  这两年随着5G的推广，边缘计算不再是概念化的虚幻物，需求持续不断的增加，成为企业重点布局的方向。如何更容易理解边缘计算？看看章鱼就知道了。

  作为无脊椎动物中智商最高的一种动物，章鱼在捕猎或逃跑时异常灵巧迅速，腕足之间配合极好，从不会缠绕打结。这是因为它们拥有巨量的神经元，其中40%分布在其脑部，其余60%都分布在章鱼的其余腕足上。

  章鱼实际上的意思就是“一个大脑+多个小脑”的组合，也就是说章鱼的多条腕足是可以思考并处理问题的。与这种情形相似的，就是边缘计算。

  那么在全球云计算的市场规模已达到千亿美元，且仍将保持稳定态势继续增长的背景下，为何边缘计算要分一杯羹呢？正如OpenStack这份白皮书所言，物联网设备的指数级增长，产生了大量需要在数据中心处理的数据。在传统云计算模式下，数据的传输和存储过程存在高功耗、高延迟、高峰期拥堵以及低带宽等问题。而作为云计算的一种补充，边缘计算着重解决的正是数据传输、处理、存储的效率问题。

  IDC早前发布的《数据时代2025》报告说明，全球每年产生的数据将从2018年的33ZB增长到2025年的175ZB；Gartner认为，到2025年，大约超过75%的数据将在边缘侧处理，为边缘计算产业带来非常大的发展机遇和商业机遇。

  据查询得知，根据行业内相关平台的收录，2020年有22家边缘计算相关的企业获得融资。除了商业投融资动作频频，我们还能够最终靠多年的论坛和峰会主题发现，从上游的芯片、模组到中游的运营商、通信设施商以及云平台厂商，再到下游的终端设备厂商和行业应用商，整个产业链就没有不在谈边缘计算前景、市场、投资和商业经济价值的。

  边缘计算作为连接物理和数字世界的桥梁，典型应用场景包括5G应用、AR/VR、无人机、医疗保健和智能交通等。依据市场研究机构TrendForce预测可知，边缘计算产品和服务市场在2018年至2022年将以复合年增长率超过30%的速度增长，这一增速或有望打开千亿级美元的市场空间。

  大量数据的处理需要边缘计算的支持，而数据的来源正是因传感器的采集。因此，提到边缘计算，就必须提到传感器。一般来说，传感器的数据如果在云端处理要集中送到最近的数据中心。传感器与数据处理终端形成了类似云计算的逻辑链条。

  因此，和云计算行业所面临的问题一样，物联网时代催生的传感器模块需要更加智能化。如何体现智能，传感模块不仅需要具有传统意义传感器基本的感应能力，还得具有计算和处理性能，甚至无线网络通信功能。

  要实现这些能力，引入边缘计算，就可以让每一个模块都有自己数据分析和处理的能力。另外，通过导入AI芯片后，传感器还将具有学习和预测的能力，且数据分布式管理，有很大成效避免安全隐私问题，且能大幅度提高效率。

  那么在哪些情况下，把数据处理放在传感器端比在云端更好呢？业内有经验的人指出，这主要出于两个刚性需求考量：第一个考量是功耗，传感器一般是靠电池来供电，因为电量受限，所以不能做太复杂的运算，复杂运算一般都要上传到云端做进一步处理；第二个考量是时间，也就是实时处理。

  比如，无人驾驶对延时非常敏感，如果传到云端处理再传回来，会给安全驾驶带来很大挑战。因此，最简单且对时间敏感的数据处理，放在传感器端比放在云端更好。

  但需要指出的是，业内专家还指出，无论在传感器附近还是内部去实现低级和高级的处理功能，都需要传感器、设备、集成技术和算法的共同开发和共同优化。

  以无人驾驶为例，随着自动驾驶的技术发展，算法逐渐完备。算法固化后可以做 ASIC 专用芯片，将传感器和算法集成到一起，实现在传感器内部完成边缘计算，逐步降低后端计算平台的计算量，有利于降低功耗、体积。

  不单单是无人驾驶，在工业自动化、医疗、环保、消费等领域智能化、数字化市场需求的持续带动下，传感器+边缘计算已显示出巨大潜力，但目前中国大多数设备和技术都处于研究开发的早期阶段，一片蓝海待发现。